本發(fā)明屬于氣象科學(xué)與人工智能，尤其是應(yīng)用于數(shù)值天氣預(yù)報、災(zāi)害預(yù)警與減災(zāi)管理、人工智能技術(shù)在氣象領(lǐng)域的應(yīng)用等方面的跨學(xué)科領(lǐng)域。具體而言，本發(fā)明聚焦于利用先進(jìn)的人工智能模型（如深度學(xué)習(xí)、機(jī)器學(xué)習(xí)等）來提高對臺風(fēng)及其遠(yuǎn)距離降水效應(yīng)的識別與預(yù)測能力，提出一種基于ai氣象模型的臺風(fēng)遠(yuǎn)距離暴雨快速識別方法、存儲介質(zhì)及計算機(jī)程序產(chǎn)品，旨在通過優(yōu)化計算效率和預(yù)測精度，為極端天氣事件的早期預(yù)警和防災(zāi)減災(zāi)提供新的技術(shù)手段。

背景技術(shù)：

1、熱帶氣旋（tropical?cyclones,?tcs）是最具破壞力的自然災(zāi)害之一，會在受影響地區(qū)引發(fā)大量降雨、洪水和山體滑坡。盡管這些極端降水事件主要集中在臺風(fēng)直接影響區(qū)域，但其遠(yuǎn)距離效應(yīng)同樣可能帶來災(zāi)難性影響。這種遠(yuǎn)距離效應(yīng)通常被稱為“臺風(fēng)遠(yuǎn)距離暴雨”，在研究中往往被臺風(fēng)直接引發(fā)的降水所掩蓋。理解和識別臺風(fēng)對降水的遠(yuǎn)距離影響是氣象研究的重要方面，對提高氣象災(zāi)害的預(yù)警能力及防災(zāi)減災(zāi)和支持有效的天氣決策過程至關(guān)重要。

2、傳統(tǒng)的數(shù)值天氣預(yù)報模型（numerical?weather?prediction,?nwp），如天氣研究和預(yù)報模型（weather?research?and?forecasting?model,?wrf），已被廣泛用于研究臺風(fēng)及其相關(guān)現(xiàn)象。這些模型通過模擬和敏感性實(shí)驗(yàn)，幫助氣象學(xué)家理解臺風(fēng)的物理機(jī)制。然而，這些模型往往需要高計算成本來處理復(fù)雜的大氣動力學(xué)和熱力學(xué)過程，限制了其在實(shí)際應(yīng)用中的效率和廣泛應(yīng)用。

3、隨著人工智能技術(shù)的進(jìn)步，天氣預(yù)報領(lǐng)域引入了機(jī)器學(xué)習(xí)、深度學(xué)習(xí)技術(shù)等創(chuàng)新方法，這種變革性方法提供了比傳統(tǒng)模型更高的預(yù)測精度和計算效率。一些創(chuàng)新的ai系統(tǒng)，如pangu-weather（以下簡稱pangu）、graphcast和fengwu等，已成為中期全球天氣預(yù)報的領(lǐng)先模型。這些ai模型作為開源平臺，促進(jìn)了全球研究社區(qū)的合作與改進(jìn)，并被多個國際預(yù)報中心采用。ai模型在處理大量數(shù)據(jù)和復(fù)雜模式識別方面具有顯著優(yōu)勢，使得它們在天氣預(yù)報中的應(yīng)用日益廣泛。

4、然而，盡管ai模型在天氣預(yù)報中表現(xiàn)出色，但對于其能否準(zhǔn)確捕捉和描述復(fù)雜的物理過程，特別是臺風(fēng)對天氣模式的影響，仍存在質(zhì)疑。理解臺風(fēng)的遠(yuǎn)距離效應(yīng)通常需要進(jìn)行敏感性實(shí)驗(yàn)，以全面解析其物理機(jī)制，這對于傳統(tǒng)的數(shù)值模型來說，計算成本高昂，效率低下。因此，如何利用先進(jìn)的人工智能模型（如深度學(xué)習(xí)、機(jī)器學(xué)習(xí)等）來提高對熱帶氣旋及其遠(yuǎn)距離降水效應(yīng)的識別與預(yù)測能力，提升臺風(fēng)遠(yuǎn)距離暴雨的識別效率和準(zhǔn)確性，進(jìn)而提高極端降水事件的預(yù)測精度和計算效率，是亟待解決的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、（一）發(fā)明目的

2、為解決現(xiàn)有技術(shù)中的上述以及其他方面的至少一種技術(shù)問題，本發(fā)明提供了一種基于ai氣象模型的臺風(fēng)遠(yuǎn)距離暴雨快速識別方法、存儲介質(zhì)及計算機(jī)程序產(chǎn)品，旨在提高對臺風(fēng)遠(yuǎn)距離影響的識別精度和效率，該方法利用天氣數(shù)據(jù)并結(jié)合ai預(yù)報模型，設(shè)計控制實(shí)驗(yàn)和敏感性實(shí)驗(yàn)分析臺風(fēng)對降水的遠(yuǎn)距離影響，敏感性實(shí)驗(yàn)去除臺風(fēng)核心渦旋，從而實(shí)現(xiàn)對臺風(fēng)遠(yuǎn)距離暴雨的快速識別，同時通過比較控制實(shí)驗(yàn)和敏感性實(shí)驗(yàn)的預(yù)測結(jié)果，顯著提高了極端降水事件的預(yù)測精度和計算效率，對災(zāi)害預(yù)警和減災(zāi)管理具有重要意義。

3、（二）技術(shù)方案

4、為實(shí)現(xiàn)該發(fā)明目的，解決其技術(shù)問題，本發(fā)明采用如下技術(shù)方案：

5、本發(fā)明的第1個發(fā)明目的在于提供一種基于ai氣象模型的臺風(fēng)遠(yuǎn)距離暴雨快速識別方法，用于提高對臺風(fēng)遠(yuǎn)距離影響的識別精度和效率，具體而言，所述臺風(fēng)遠(yuǎn)距離暴雨快速識別方法在實(shí)施時至少包括如下步驟：

6、ss1.?天氣數(shù)據(jù)獲取

7、獲取高質(zhì)量和高時空分辨率的歷史天氣數(shù)據(jù)和/或預(yù)報天氣數(shù)據(jù)，所述天氣數(shù)據(jù)覆蓋全球的陸地和海洋區(qū)域，并至少包括溫度、濕度、氣壓、風(fēng)速、風(fēng)向和降水量氣象參數(shù)，以確保模型初始條件的高精度和可靠性；

8、ss2.?ai天氣預(yù)報模型選擇

9、選擇基于深度學(xué)習(xí)技術(shù)并利用大量歷史天氣數(shù)據(jù)進(jìn)行訓(xùn)練且能夠提供高精度中期天氣預(yù)報和極端天氣事件識別的ai天氣模型作為預(yù)報模型，且所選擇模型具備處理復(fù)雜氣象數(shù)據(jù)和快速生成高精度預(yù)報結(jié)果的能力；

10、ss3.?典型降水個例選擇

11、根據(jù)歷史氣象災(zāi)害記錄和歷史氣象數(shù)據(jù)篩選和確定具有代表性和典型性的降水個例，且所選擇的典型降水個例應(yīng)具備一定的臺風(fēng)遠(yuǎn)距離影響特征，并至少提供該典型降水個例的起報時間、降水位置信息及臺風(fēng)位置信息；

12、ss4.?控制及敏感性試驗(yàn)設(shè)計

13、基于所選擇的ai天氣預(yù)報模型、所獲取的天氣數(shù)據(jù)以及所選擇的典型降水個例，設(shè)計控制實(shí)驗(yàn)（ctrl）和敏感性實(shí)驗(yàn)（rmtc），其中：

14、所述控制實(shí)驗(yàn)基于所選擇的ai天氣預(yù)報模型，采用對應(yīng)所選擇典型降水個例的歷史天氣數(shù)據(jù)和/或預(yù)報天氣數(shù)據(jù)作為初始場，進(jìn)行標(biāo)準(zhǔn)天氣預(yù)報模擬并生成基準(zhǔn)預(yù)測結(jié)果；

15、所述敏感性實(shí)驗(yàn)在控制實(shí)驗(yàn)的基礎(chǔ)上，應(yīng)用從所述初始場中去除臺風(fēng)核心渦旋的方法構(gòu)建新的初始場，并基于所選擇的ai天氣預(yù)報模型重新進(jìn)行天氣預(yù)報模擬，生成敏感性實(shí)驗(yàn)結(jié)果；

16、ss5.?結(jié)果分析與臺風(fēng)遠(yuǎn)距離暴雨識別

17、通過比較控制實(shí)驗(yàn)和敏感性實(shí)驗(yàn)結(jié)果的差異，并基于整層水汽散度變化和/或降水變化分析，量化分析目標(biāo)臺風(fēng)對遠(yuǎn)距離降水的影響，識別并確定臺風(fēng)的遠(yuǎn)距離暴雨影響范圍和強(qiáng)度，從而實(shí)現(xiàn)對臺風(fēng)遠(yuǎn)距離暴雨的快速識別。

18、本發(fā)明的第2個發(fā)明目的在于提供一種計算機(jī)程序產(chǎn)品，包括計算機(jī)指令，用于執(zhí)行上述基于ai氣象模型的臺風(fēng)遠(yuǎn)距離暴雨快速識別方法。

19、本發(fā)明的第3個發(fā)明目的在于提供一種計算機(jī)可讀存儲介質(zhì)，所述計算機(jī)可讀存儲介質(zhì)上存儲有計算機(jī)程序，所述算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)上述基于ai氣象模型的臺風(fēng)遠(yuǎn)距離暴雨快速識別方法。

20、（三）技術(shù)效果

21、同現(xiàn)有技術(shù)相比，本發(fā)明的基于ai氣象模型的臺風(fēng)遠(yuǎn)距離暴雨快速識別方法、存儲介質(zhì)及計算機(jī)程序產(chǎn)品，具有以下有益且顯著的技術(shù)效果：

22、（1）本發(fā)明采用ai天氣預(yù)報模型，通過利用先進(jìn)的深度學(xué)習(xí)算法和大量歷史氣象數(shù)據(jù)進(jìn)行訓(xùn)練，能夠提供比傳統(tǒng)數(shù)值天氣預(yù)報模型更高精度的預(yù)測，例如pangu模型在中期天氣預(yù)報和極端天氣事件識別方面表現(xiàn)尤為出色，顯著提升了天氣預(yù)報的準(zhǔn)確性。此外，通過使用高分辨率的再分析數(shù)據(jù)和歷史天氣數(shù)據(jù)或預(yù)報天氣數(shù)據(jù)，確保了模型初始條件的高精度和可靠性，為預(yù)報結(jié)果提供了堅實(shí)的數(shù)據(jù)基礎(chǔ)。

23、（2）本發(fā)明在計算效率上具有顯著優(yōu)勢。相比傳統(tǒng)的數(shù)值天氣預(yù)報模型，ai天氣預(yù)報模型能夠在更短的時間內(nèi)處理和分析大規(guī)模數(shù)據(jù)，從而提供更及時的預(yù)報結(jié)果。通過應(yīng)用去除臺風(fēng)核心渦旋方法，本發(fā)明系統(tǒng)能夠有效地進(jìn)行敏感性實(shí)驗(yàn)，減少計算復(fù)雜度，提高計算效率。這種方法能夠精確地從初始場中去除臺風(fēng)核心渦旋，從而更好地分析臺風(fēng)的遠(yuǎn)距離影響，增強(qiáng)了對極端天氣事件的識別和預(yù)報能力。

24、（3）本發(fā)明在災(zāi)害預(yù)警與減災(zāi)管理方面具有重要的實(shí)際應(yīng)用價值。通過提高臺風(fēng)遠(yuǎn)距離暴雨的識別精度和效率，為災(zāi)害預(yù)警和減災(zāi)管理提供了科學(xué)依據(jù)，幫助決策者制定更有效的應(yīng)對策略。系統(tǒng)利用整層水汽通量和整層水汽散度的精細(xì)化分析，能夠準(zhǔn)確捕捉臺風(fēng)的遠(yuǎn)距離影響，從而顯著提升預(yù)報的準(zhǔn)確性和可靠性。這對于及時預(yù)警和采取防災(zāi)措施具有重要意義。

25、（4）本發(fā)明還在氣象科研和教學(xué)方面具有廣泛的應(yīng)用前景。其創(chuàng)新性方法和精細(xì)化分析工具為氣象學(xué)研究提供了新工具和新方法，有助于深入理解臺風(fēng)的遠(yuǎn)距離影響機(jī)制，并探討不同尺度天氣系統(tǒng)對降水的影響。通過控制實(shí)驗(yàn)和敏感性實(shí)驗(yàn)的對比，系統(tǒng)能夠定量分析臺風(fēng)核心渦旋對遠(yuǎn)距離降水的具體影響，結(jié)合波長濾波分析，探討不同尺度天氣系統(tǒng)對降水的影響。

26、（5）本發(fā)明通過采用先進(jìn)的ai技術(shù)和高分辨率氣象數(shù)據(jù)，提高了臺風(fēng)遠(yuǎn)距離暴雨識別的精度和效率，顯著增強(qiáng)了預(yù)報能力和計算效率，在氣象預(yù)報、災(zāi)害預(yù)警與減災(zāi)管理以及氣象科研和教學(xué)等方面具有顯著的技術(shù)效果和廣泛的應(yīng)用前景。通過以上優(yōu)勢和創(chuàng)新點(diǎn)，本發(fā)明為氣象預(yù)報和災(zāi)害預(yù)警提供了強(qiáng)有力的技術(shù)支持，為應(yīng)對極端天氣事件提供了科學(xué)的解決方案。